Wir verwenden Cookies, um Ihnen den bestmöglichen Service zu gewährleisten. Die Auswahl der Cookies können Sie dabei selbst entscheiden. Bitte beachten Sie, dass auf Basis Ihrer Einstellungen möglicherweise nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen. Weiterführende Informationen finden Sie in unserer Datenschutzerklärung.

Cookies, die wir verwenden

Hier können Sie Ihre Cookie-Einstellungen verwalten.

Notwendig

black.t Analytics

So verwalten Sie Cookies

Löschen/Widerrufen von Cookies
Sie können unter der Datenschutzerklärung Cookies jederzeit verwalten und Ihre Auswahl widerrufen.

Verwaltung Site-spezifischer Cookies
Wenn Sie wissen möchten, welche Site-spezifischen Cookies gespeichert wurden, prüfen Sie die Datenschutz- und Cookie-Einstellungen Ihres bevorzugten Browsers.

Cookies blockieren
In den meisten modernen Browsern können Sie einstellen, dass keine Cookies auf Ihrem Gerät abgelegt werden sollen. Der Nachteil ist, dass Sie jedes Mal, wenn Sie eine Website erneut besuchen, manuell Einstellungen vornehmen müssen. Einige Dienste und Funktionen dürften dann nicht richtig funktionieren (z. B. Anmeldung mit Ihrem Profil).

Akzeptieren Ablehnen

News

2017

  • iProd: Dieses Vorhaben wird aus Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) gefördert.

     Förderkennzeichen: EFRE-0800924

  • Ausgangssituation“:

Für produzierende Unternehmen ist nicht länger nur die Qualität oder der Preis des Produktes das Hauptdifferenzierungsmerkmal im internationalen Wettbewerb, sondern vielmehr die Lieferzeit. Der Abgleich von Kapazitätsangebot und Kapazitätsbedarf zur effizienten Erfüllung der Kundenanforderung ist keine triviale Aufgabe, welche durch ungeplante Abweichungen im Betrieb zusätzlich erschwert wird. Zur Lösung dieser Optimierungsprobleme existiert eine Vielzahl von heuristischen Verfahren. Diese werden in IT-Lösungen wie Manufacturing Execution Systems (MES) und Advanced Planning and Scheduling (APS) abgebildet. Aufgrund von ungeplanten, kurzfristigen Kapazitätsabweichungen sind kurzfristige Eingriffe in die Produktion unabdingbar. Im Rahmen einer dezentralen Aufgabenverteilung werden ausführende Abteilungen mit Planungs- und Steuerungsaufgaben betraut, um schneller zu agieren. Grundgedanke ist hierbei die höhere Verfügbarkeit von relevanten Informationen durch die Nähe der Mitarbeiter zur Produktion. Der Steuerungscharakter bleibt hierbei allerdings erhalten: Eine Rückführung über die tatsächlichen Auswirkungen der Entscheidungen bleibt aus. Zusätzlich sollen formulierte Reaktionsstrategien dabei helfen, auf bekannte Störungen effizienter zu reagieren. Trotz umfangreicher Unterstützung durch IT-Systeme, bestehen auf der Ebene der Feinplanung und der letztendlichen Durchführung immer noch hohe manuelle Koordinationsaufwände.

Getrieben durch das Internet der Dinge und die im Rahmen zahlreicher Industrie 4.0-Initiativen zunehmende Durchdringung von IT auf dem Shopfloor stellt sich die Frage, inwieweit diese Ansätze zur Reduzierung und Beherrschung der zunehmenden Komplexität in der Produktionssteuerung und auch -regelung geeignet sind. Durch die Erfassung der Rückmeldedaten und den Informationsgewinn durch Data Analytics sollen bessere Planungsentscheidungen ermöglicht werden. An dieser Stelle setzt das Forschungsvorhaben iProd an.

Technologisch und theoretisch sind durch die Installation von Sensorik und Identifikationstechnologien der Auftragsfortschritt, Maschinenzustände und der gegenwärtige Materialfluss hochauflösend erfassbar. Die Schwierigkeit liegt zum einen in der Verknüpfung der o.g. häufig heterogenen Daten zu einem Gesamtbild mit dem Zweck der Ableitung von Handlungsempfehlungen. Zum anderen ist – trotz aktueller Entwicklungen von Technologien zur Erfassung, Speicherung und Visualisierung großer Datenmengen – die Reaktionsgeschwindigkeit implementierter Planungs- und Steuerungslösungen stark vom Erkennen und Bewerten von Abweichungen durch die Mitarbeiter limitiert. Hinzukommt, dass bisherige Algorithmen auf eher starren heuristischen Optimierungen und statischen Auswertungen basieren. Auch wenn diese Informationen als Grundlage für Simulationen genutzt werden können, ist die Praxis immer noch weit entfernt von einer lernfähigen Produktionsregelung, welche Abweichungen und Störungen bis zu einem gewissen Umfang selbstständig kompensiert. Ziel des Vorhabens ist es demnach die vorhandenen Technologien, Architekturen und Algorithmen aus dem Bereich der künstlichen Intelligenz so auf die Probleme der Produktion anzuwenden, dass die Produktionssteuerung ohne direkte Rückmeldungen zu einer Produktionsregelung mit Rückführung erweitert wird.

  • Vorgehensweise“:

Grundlage für die Bearbeitung des Forschungsvorhabens bildet ein digitales Abbild der realen Produktionsumgebung unter Berücksichtigung des Systemzustands. Dabei wird von der aufgrund zahlreicher Industrie-4.0-Initiativen zunehmenden Durchdringung von IT und Sensorik auf dem Shopfloor Gebrauch gemacht: In den nunmehr zur Verfügung stehenden hochauflösenden Daten werden mittels Verfahren der Künstlichen Intelligenz Muster identifiziert und durch maschinelles Lernen reproduzierbar vorgehalten, ähnlich der Funktionsweise des menschlichen Gehirns.

Dadurch werden exakte Vorhersagen des zukünftigen Systemverhaltens unter Berücksichtigung einwirkender Störfaktoren ermöglicht. Die Daten werden dabei über eine Online-Plattform gesammelt. Im Rahmen einer Produktionsregelung werden die so bewerteten Abweichungen in Form von Eingriffen reduziert oder kompensiert. Durch den Einsatz Künstlicher Intelligenz soll dieser Prozess maximal automatisiert ablaufen können.

Die zu entwickelnde Lösung wird gemeinsam mit einem interdisziplinaren Projektausschuss bearbeitet: Die programmtechnische Umsetzung der Datenplattform und die Kompatibilität zu vorhandenen ERP-System wird durch die Praxispartner m2xpert und Mattern Consult sichergestellt. Durch drei Anwendungspartner aus der Praxis wird auf unterschiedliche Belange von kleinen, mittleren und großen Unternehmen eingegangen. Diese stammen aus dem Umfeld der kunststoff- und metallverarbeitenden Industrie sowohl in Fertigung als auch Montage.

  • Projektziel“:

Ziel des Vorhabens ist die Anwendung von Verfahren der künstlichen Intelligenz zur Optimierung kurzfristiger Entscheidungen bei der Fertigungssteuerung produzierender Unternehmen. Die Produktionssteuerung wird dabei durch Verwendung hochauflösender Rückmeldedaten bei ihrem Tagesgeschäft unterstützt, indem wiederkehrende Entscheidungssituationen automatisiert bewertet und geeignete Handlungsvorschläge gemacht werden. Dies erhöht einerseits die Robustheit des produktionslogistischen Systems, anderseits werden systematische Abweichungen aufgedeckt und können durch entsprechende Abstellmaßnahmen kompensiert werden.

 

» zurück